SISTEM DATA MINING UNTUK MENGETAHUI TINGKAT KECENDERUNGAN MEMILIH MENU MAKANAN DENGAN METODE ASSOCIATION RULE MINING (STUDI KASUS : KEDAI KEMANGI)
SISTEM DATA MINING UNTUK MENGETAHUI TINGKAT
KECENDERUNGAN MEMILIH MENU MAKANAN DENGAN METODE
ASSOCIATION RULE MINING
(STUDI KASUS : KEDAI KEMANGI)
1
2 1 Raymond Octhario, Sri Karnila 2 Jurusan Sistem Informasi Universitas Diponegoro (UNDIP) Semarang,
Fakultas Ilmu Komputer, Informatics & Business Institute Darmajaya
Jl. Z.A Pagar Alam No 93, Bandar Lampung - Indonesia 35142
Telp. (0721) 787214 Fax. (0721)700261
Email : chazrere@gmail.com , srikarnila@gmail.com
ABSTRAK
Data mining is a term that used to discover hidden knowledge in the database.Data mining is a semi-automatic process that uses statistical techniques, mathematics, artificial intelligence, and machine learning to extract and identify potential useful information and knowledge that stored in large databases. One of methods in data mining is association rule method where this method will looking for a set of items that frequently occur together. This method is often analogous as shopping cart which can be known, what items are frequently purchased together and which items are not. The advantage of this method can be utilized to determine amount of inventory that must be provided in a business. In this paper will be made of a mining system that will show the trend of buyers in a restaurant so that decision-makers will be able to determine amount of groceries accordance with the business need to minimize losses.
Keywords : Data Mining, association rule
ABSTRACT
Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan potensial dan berguna yang bermanfaat yang tersimpan di dalam database besar. Salah satu metode yang ada dalam data mining adalah metode
association rule dimana metode ini mencari sekumpulan items yang sering
muncul bersamaan. Metode ini sering dianalogikan dengan keranjang belanja dimana dapat diketahui, barang apa saja yang sering dibeli bersamaan dan barang mana saja yang tidak. Keuntungan metode ini dapat dimanfaatkan dalam penentuan jumlah stok barang yang harus disediakan di sebuah badan usaha. Dalam penelitian ini akan dibuat sebuah sistem mining yang akan melihat kecenderungan pembeli di sebuah rumah makan sehingga pengambil keputusan akan dapat menentukan pembelian stok barang yang sesuai dengan kebutuhan untuk dapat meminimalisir kerugian.
Kata Kunci : Data Mining, association rule I.
PENDAHULUAN
Perkembangan data mining (DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi.
Sebagai contoh, toko swalayan merekam setiap penjualan barang dengan memakai alat POS (point of
sales ). Database data penjualan
tersebut. bisa mencapai beberapa GB setiap harinya untuk sebuah jaringan toko swalayan berskala nasional. Perkembangan internet juga punya andil cukup besar dalam akumulasi data.Tetapi pertumbuhan yang pesat dari akumulasi data itu telah menciptakan kondisi yang sering disebut sebagai “rich of data but poor
of information ” karena data yang
terkumpul itu tidak dapat digunakan untuk aplikasi yang berguna. Tidak jarang kumpulan data itu dibiarkan begitu saja seakan-akan “kuburan data” (data tombs).
Data Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. Patut diingat bahwa kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah besar material dasar. Karena itu DM sebenarnya memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial
intelligent ), machine learning ,
statistik dan database. Beberapa teknik yang sering disebut-sebut dalam literatur DM antara lain :
clustering , classification, association rule mining , neural network, genetic algorithm dan lain-lain. Yang
membedakan persepsi terhadap DM adalah perkembangan teknik-teknik DM untuk aplikasi pada database skala besar. Sebelum populernya DM, teknik-teknik tersebut hanya dapat dipakai untuk data skala kecil saja.
Perkembangan fungsi dari DM tersebut maka memang suatu badan usaha baik skala kecil maupun skala besar membutuhkan sistem DM untuk basis informasi dalam membuat suatu keputusan yang baik, tidak tertutup kemungkinan suatu kedai atau restoran. Dalam kasus ini, kita mengambil sebuah kedai bernama kedai Kemangi yang terletak di Kota Palangka Raya. Kita akan merancang suatu sistem DM yang dapat memberikan informasi bagi pemilik kedai dengan harapan pemilik kedai dapat mengambil keputusan tentang makanan apa yang banyak dipesan atau minuman apa yang banyak dipesan sehingga pemilik kedai dapat berpikir untuk mempersiapkan kebutuhan kedai berdasarkan jumlah makanan atau minuman yang banyak dipesan. Hasil yang diharapkan tidak hanya untuk membantu usaha kedai ini menjadi sukses di kemudian hari tetapi juga memiliki alat bantu berupa aplikasi sehingga memberikan informasi yang dibutuhkan oleh kedai dalam menyiapkan menu.
Untuk merealisasikan sistem ini, maka dibutuhkan data tentang pilihan menu dari masing-masing orang. Teknik pengumpulan data adalah dengan membagikan kusioner kepada masing-masing orang yang datang ke kedai dan kemudian orang tersebut akan mengisi kusioner tersebut dan mengembalikannya. Dalam kasus ini, telah didapatkan data sebanyak 2051 data. Selain itu juga perangkat keras dan perangkat lunak yang dapat mendukung sistem, perangkay keras yang dibutuhkan adalah computer sedangkan perangkat lunak nya adalah database untuk menyimpan data dalam hal ini menggunakan MS.
Access , Dreamweaver 8 sebagai tools
pembangun sistem, dan Appserv sebagai server local untuk pengujian sistem.
Rancangan Sistem
Ada 2 hal yang utama dalam perancangan system ini yaitu database dan rancangan system association rule mining. Database adalah hal yang sangat penting dalam sistem Data Mining. Perancangan
database menjadi hal yang sangat mempengaruhi sistem Data Mining.
Berikut adalah rancangan database yang dibuat
II. METODE PENELITIAN
1. Fact Table
2.
5. Dimension Table 1 Dimension Table 4 3. Dimension Table 2
Dari tabel-tabel tersebut maka dapat dibuat sebuah relasi table seperti berikut gambar 3 4.
Dimension Table 3 Gambar 3 Relasi antar table.
a. Sistem dengan Rancang Association Rule Mining
Seperti penjelasan yang telah diutarakan di awal, Association rule
mining adalah teknik mining untuk
menemukan aturan assosiatif antara suatu kombinasi item. Dalam Kasus parameter, support yaitu persentase ini, aturan assosiatif dari analisa kombinasi item tsb. dalam database kecenderungan memilih menu dan confidence yaitu kuatnya makanan suatu kedai sehingga bisa hubungan antar item dalam aturan diketahui berapa besar kemungkinan assosiatif. Aturan Assosiatif yang seseorang memilih menu nasi goreng dipakai adalah bersamaan dengan es teh. Dengan pengetahuan tersebut. pemilik kedai
DM Makanan Tambahan Minuman
dapat mengatur ketersediaan logistik
Es Teh
kedai. Penting tidaknya suatu aturan
Es Jeruk
assosiatif dapat diketahui dengan dua Tahu
Memilih Teh Hangat Bakso Jeruk Hangat
DM MAKANAN MINUMAN
Es Teh Air Putih Es Jeruk Es Teh
Nasi Goreng Memilih Teh Hangat Es Jeruk
Jeruk Hangat Mendoan Memilih Teh Hangat
Air Putih Es Teh Jeruk Hangat Es Jeruk
Air Putih Mie Goreng Memilih Teh Hangat
Es Teh Jeruk Hangat
Es Jeruk Air Putih
Bakwan Memilih Teh Hangat Es Teh Es Jeruk
Jeruk Hangat Cap Cay Memilih Teh Hangat
Air Putih Jeruk Hangat Air Putih Es Teh Es Jeruk
Mie Kuah Memilih Teh Hangat Jeruk Hangat Air Putih Es Teh Es Jeruk
Fuyung Hay Memilih Teh Hangat Jeruk Hangat Air Putih
III. dipakai adalah Umur, Jenis Makanan,
HASIL DAN PEMBAHASANTahap implementasi dari sistem Jenis Minuman, Makanan Tambahan, ini sangat mudah. Pemakai sistem dan Jenis Kelamin. Implementasi hanya memasukkan parameter apa dari sistem dapat dilihat pada Gambar yang ingin diketahui. Parameter yang
4. Gambar 4 Interface Sistem Data Mining Pada Menu “Masuk Ke Data Mining maka akan tampil sebagai seperti pada gambar 5.
Gambar 5. Menu utama Sistem Data Mining Menu 1 merupakan DM Campuran adalah menu yang bertujuan untuk memberikan informasi tingkat kecenderungan orang memesan makanan dengan 5 parameter.
Gambar 6. DM Campuran
Dengan Parameter : Umur =
20 Tahun Makanan = Nasi
Goreng Minuman = Es Teh Makanan Tambahan = Tahu
Bakso Jenis Kelamin = Pria Maka Hasil Eksekusi adalah
Gambar 7. Tampilan hasil pencarian DM Campuran
Hal ini bearti ada 4 orang yang memilih menu makanan nasi goreng dengan minuman es teh, makanan tambahan tahu bakso dan jenis kelamin berbeda. Parameter dapat diganti sesuai dengan informasi yang ingin didapatkan.
Selanjutnya menu 5 adalah menu yang bertujuan untuk memberikan informasi jenis kelamin apa yang banyak memesan makanan, minuman atau makanan tambahan berdasarkan inputan yang dimasukkan.
Menu 9 : DM Input Data
Menu ini adalah menu yang dibuat untuk admin agar dapat menambah data ke dalam database sehingga sistem ini bersifat dinamis.
Gambar 8. DM Jenis Kelamin
Dengan Parameter : Umur = Semua Jenis Kelamin = Pria
Gambar 10. Menu login admin
Maka Hasil Eksekusi adalah Ketika sudag log in, maka akan tertampil form pengisian data seperti terlihat pada Gambar 11.
Gambar 9. Tampilan hasil inputan berdasarkan jenis kelamin Gambar 11. Tampilan input data
Ketika kita menambahkan data maka database akan bertambah secara otomatis sehingga jumlah khawatir apabila ingin menambah keluaran data sistem akan mengikuti data dan ingin mengetahui informasi data update dari database dan data kecenderungan dengan data yang grafik pun akan mengikuti jumlah baru. data di dalam database
FUTURE WORKS
IV. SIMPULAN Pada penelitian lanjutan
Berdasarkan hasil pembuatan disarankan perlu dikembangkan sistem data mining ini, dapat adanya sistem jaringan (internet) disimpulkan bahwa sistem ini dapat sehingga dapat difungsikan sesuai membantu pemilik kedai dalam dengan kebutuhan masing-masing mengambil keputusan dalam bagian dan dapat digunakan dimana mempersiapkan bahan - bahan saja tanpa terbatas waktu dan tempat. pembuat makanan atau minuman Selain itu, admin juga diharapkan berdasarkan kombinasi makanan atau mampu terus melakukan minuman yang banyak dipesan. pemeliharaan system secara teratur Dengan adanya sistem ini maka serta backup data. pemilik kedai data memiliki persiapan yang baik dalam mengelola DAFTAR PUSTAKA kebutuhan logistik kedai dan resiko
[1] Hand, David, Heikki Mannila, kehabisan bahan dapat Padhraic Smyth. 2001. Principles diminimalisasi. Sistem ini berhasil of Data Mining. The MIT Press. menanyakan 2050 orang responden
[2] Khattak, A.M. ; Khan, A. M.; dari berbagai kalangan umur dengan Lee, Sungyoung & Lee, Young- cara memberikan pertanyaan. Koo. 2010. Analyzing
Aplikasi ini bersifat dinamis Association Rule Mining and sehingga dapat menambahkan data ke Clustering on Sales Day Data dalam database dan hasil yang with XLMiner and Weka. menunjukkan tingkat kecenderungan
International Journal of Database orang memilih menu akan berubah Theory and Application Vol. 3, sesuai dengan perubahan database, No. 1. sehingga pemilik kedai tidak perlu
[3] Kotsiantis, Sotiris & Kanellopoulos, Dimitris. 2006.
Association Rules Mining A Recent Overview. GESTS International Transactions on Computer Science and Engineering, Vol.32 (1).
[4] Pramudiono, Iko. 2003.
Pengantar Data Mining : Menambang Data di Gunung Data. http://www.ilmukomputer.com
[5] Turban, E., dkk, 2005, Decicion Support Systems and Intelligent Systems, Andi Offset.
[6] Umarani, V. & Punithavalli, M.
2010. A Study on Effective Mining of Assocation Rules From Huge Databases. IJCSR International Journal of Computer Science and Research Vol. 1 Issue 1.